Baserow 的列，按字段说明从 PDF 里填

Baserow 的列，按字段说明从 PDF 里填

一个 n8n 工作流，把 Baserow 每个字段的说明当作提示词。有人给某一行的 File 字段附上 PDF，聊天模型就读它，并填好每个还空着的、带说明的字段。新增或修改一个字段后，同样的提示词会对有 PDF 的行再跑一遍。

包里有什么

• workflow.json：n8n 导出的工作流，四十四个节点：三十个干活的，十四张便签。里面没有任何凭据。
• README.md：这份设置说明，压缩包里的是英文版。

我们相对原来的副本改了什么

• 凭据的关联都删掉了：五个 HTTP Request 节点上的 Header Auth 凭据，和两个聊天模型上的 OpenAI 密钥。请选你自己的。
• Baserow Event 原来带着作者自己的路径和 webhook ID。ID 已删掉，路径现在是 YOUR_WEBHOOK_PATH。
• List Table API 原来只向 Baserow 要六个点名的字段，File 不在其中。Baserow 的 API 结构写明，带 include 的请求只返回它点名的字段，所以返回的行里不会有可下载的附件。Mindket 的版本去掉了 include。
• Get Prompt Fields 原来只传每个字段的名字、顺序和说明，不传类型，所以行分支提示词里的“output format”那一行是空的。现在它也传 type，字段分支本来就是从 webhook 里拿到它的。
• 顶部那张大便签原来有作者的链接和一个演示视频，现在改成了标题。放着徽标的那张便签已删掉，webhook 便签里的截图链接也去掉了，便签的文字保留。
• 别的都没改。Code 节点也不需要其他修复。

开始之前

• 一个 n8n 实例，n8n Cloud 或自己的服务器都行。Baserow 必须能访问到它的 webhook 地址。
• 一张 Baserow 表，里面有一个名为 File 的文件字段。这个名字写在 List Table API 的筛选里、File[0].url 表达式里和 Filter Valid Rows 里，要改就一起改。
• 一个能读取和更新这张表的 Baserow 数据库令牌。
• 一个 OpenAI API 密钥。
• 里面有文字的 PDF。没有文字层的扫描页，模型什么也读不到。

设置

1. 在 n8n 里新建一个工作流，打开它的菜单，选 Import from File，选中 workflow.json。
2. 添加一个 Header Auth 凭据，名称填 Authorization，值填单词 Token、一个空格，再加你的 Baserow 数据库令牌。在调用 Baserow 的五个节点里选中它：Table Fields API、List Table API、Get Row、Update Row 和 Update Row1。
3. 添加一个 OpenAI 凭据，在 OpenAI Chat Model 和 OpenAI Chat Model1 里选中它。两个节点都没有指定模型，请各选一个。
4. 在 Baserow Event 里，把 YOUR_WEBHOOK_PATH 换成你自己的一长串随机字符。保存，再点 Publish。
5. 在 Baserow 里，从这张表工具栏的三点按钮打开 webhook 设置。创建一个指向 Baserow Event 正式地址的 POST webhook。勾选用字段名而不是 ID 的选项。事件选单个事件：“row updated”、“field created”和“field updated”。对“row updated”，选 File 字段作为要盯的字段。
6. 在 Baserow 里，给每个想填的字段在说明里写一条提示词，比如“发这份文件的公司”。再给某一行附上 PDF。带说明的空格子过一会儿就会填好。

自己服务器上的 Baserow 还要多改一处：把上面五个节点里的 https://api.baserow.io 换成你自己的地址。

一次运行的过程

1. Baserow Event 收到事件。Table Fields API 列出表的字段，Get Prompt Fields 留下带说明的，Get Event Body 再把事件自己的数据放回最前面。Event Type 把 rows.updated 送往一条路，把 field.created 和 field.updated 送往另一条。
2. 行修改：Rows to List 把事件拆成一行一行，Filter Valid Rows 留下有文件的，Get Row 把每一行重新读一遍。Loop Over Items1 一次取一行。PDF 被下载并读成文本。Fields to Update 列出还空着的、带说明的字段。对每个字段，Generate Field Value1 把 PDF 的文本、字段的说明和它的类型发给聊天模型。Get Result1 用字段名给答案命名，Update Row1 更新这一行。
3. 字段修改：Filter Valid Fields 在字段带说明时留下。List Table API 列出有文件的行，Get Valid Rows 把它的几页合成一个列表，Loop Over Items 一次取一行。PDF 被读取，Generate Field Value 只回答这一个字段，Update Row 更新这一行。

改变风格

• 提示词：Baserow 的字段说明，以及 Generate Field Value 和 Generate Field Value1 的系统消息，它们要求答案简短，找不到时答 n/a。
• 模型：两个聊天模型节点。
• 输入列：名字 File，在上面列出的几个地方。
• 字段改动波及多少行：List Table API 分页里的 Max Pages，以及它的 size。
• 哪些修改会触发运行：Baserow webhook 设置里的事件和要盯的字段。

注意事项

• 行修改只填空格子。字段修改会把这一列在它取到的行里重填，并替换原来的内容。
• List Table API 每页取 20 行，发 3 次请求就停，所以字段修改最多波及 60 行。把页数上限调高，就能波及更多。它旁边的便签提醒，几千行的表会跑很久。
• 每一行的每个字段是一次聊天调用，每次都带着整份 PDF 的文本。长 PDF 配很多字段，花费更高。
• 只读第一个附件 File[0]，Extract from File 设的是 PDF。
• 答案 n/a 是文本。Baserow 可能拒绝把文本写进数字或日期字段。先从文本字段开始。
• Baserow 的 webhook 只盯 File 字段，所以工作流自己对其他列的写入不会再触发一次运行。
• Baserow 的 API 结构（2026 年 11 月 12 日查阅）允许数据库令牌调用这个工作流用到的字段和行接口，写法是 Token 加令牌。
• 两个聊天模型节点都没有指定模型。在 n8n 现在的源码里，OpenAI Chat Model 1.1 默认用 gpt-5-mini（2026 年 11 月 12 日查阅）。OpenAI 的弃用页面给 gpt-5-mini 定的日期是 2026 年 12 月 11 日，替代模型是 gpt-5.6-terra。
• webhook 路径要又长又保密。谁知道这个地址都能调用它。
• PDF 的文本会发给 OpenAI。你的各行在 Baserow 和 n8n 之间流动。